سیستم تشخیص گفتار جدید گوگل بهصورت آفلاین نیز کار میکند
شرکت گوگل در نسخهی جدید سیستم تشخیص گفتار خود، قابلیت تشخیص آفلاین گفتار و تبدیل آن به متن را بهطور محدود برای کاربران گوشیهای سری پیکسل فعال کرد.
قابلیت تشخیص گفتار امروزه به یکی از ویژگیهای استاندارد در گوشیهای هوشمند تبدیل شده و موردی که در این نوع سیستمها مثل سیری، آلکسا یا گوگل وجود دارد مدت زمان تأخیر در بازگشت نتیجهی درخواستِ کاربر است. جدیدترین نسخهی سیستم تشخیص گفتار گوگل حالا بهصورت کاملا آفلاین نیز کار میکند و بدین ترتیب مدت زمان تاخیری که در تشخیص گفتار بهصورت آنلاین ایجاد میشود، در این سیستم وجود ندارد.
تأخیر در تشخیص گفتار به این دلیل رخ میدهد که صدای شما ابتدا باید ازطریق گوشیهوشمندتان به سرورهای خدمات دهندهی این قابلیت ارسال شود و در گام بعد پس از تحلیل صدای ارسالشده، نتیجه آن در مدت زمان کوتاهی به گوشی شما باز میگردد. امکان دارد انجام این فرایند از چند میلی ثانیه تا چند ثانیه بهطول انجامد. همچین شاید صدای ارسالی شما بهدلیل مشکلات شبکه در بین راه مسیر خود را گم کند و نتیجهی تبدیل گفتار به نوشتار در دسترستان قرار نگیرد.
باتوجهبه آنچه گفته شده، آیا بهتر نیست که عملیات تشخیص گفتار روی دستگاه انجام شود؟ شرکتهای ارائهدهندهی خدمات تشخیص گفتار نیز به انجام این اقدام علاقه دارند، اما تبدیل صدا به متن در چند میلی ثانیه نیاز به قدرت محاسبات بالایی دارد. عملکرد این سیستم فقط به شنیدن صدا و نوشتن یک کلمه خلاصه نمیشود و درواقع صدای ثبتشده توسط کاربر باید بهصورت کلمه به کلمه توسط سیستم درک شده و عملیاتهای زیادی مثل اعمال دستور زبان نیز روی جملهها انجام شود.
البته که گوشی شما میتواند چنین کاری را انجام دهد، اما سرعت انجام فرایند مذکور روی گوشی خیلی سریعتر از روش آنلاین نیست و علاوه براین باتری دستگاه نیز با سرعت بیشتری تخلیه خواهد شد. درهرحال ایجاد ثبات در تشخیص گفتار بهصورت آفلاین باعث شده تا ارائه چنین سرویسی توجیه داشته باشد و گوگل نیز در جدیدترین نسخهی سیستم تشخیص گفتار خود این ویژگی را اضافه کرده که فعلا برای دارندگان گوشیهای هوشمند سری پیکسل در دسترس قرار گرفته است.
گوگل درحال کار روی موضوعی است که در قالب یک سند در این لینک ارائه شده است. این شرکت از پیشرفتهای قبلی خود استتفاده کرده تا یک مدل کوچک و بهینه ایجاد کند که امکان جا دادن آن در یک گوشی وجود داشته باشد. اگر کنجکاو هستید، باید اشاره کنیم که حجم این ویژگی ۸۰ مگابایت است اما با همین حجم کم میتواند صدای شما را بهطور آنی شنیده و آن را به متن تبدیل کند. بدین ترتیب برخلاف سیستم آنلاین تشخیص گفتار، حالا در سیستم جدید قبل از اینکه بیان جملهی مورد نظر بهپایان برسد، تمام کلمات بهصورت لحظهای به متن تبدیل خواهند شد.
این ویژگی فعلا در اپلیکیشن جیبورد (صفحهکلید گوگل) ارائه شده و فقط روی دستگاههای سری پیکسل گوگل در دسترس قرار گرفته است. همچنین باید اشاره کنیم که این سرویس درحالحاضر فقط برای زبان انگلیسی فعال شده است. بنابراین میتوان گفت که قابلیت مذکور فعلا درحال پیمودن مسیر آزمایشهای اولیه است.
گوگل در مورد سرویس جدید خود میگوید:
باتوجهبه روند فعلی در صنعت با همگرایی و سفارشیسازیهای صورتگرفته در سختافزار و نیز بهبود الگوریتمها، امیدواریم که تکنیک ارائهشده در اینجا بتواند بهزودی برای زبانهای بیشتری در دسترس کاربران قرار بگیرد. البته پیمودن این روند نیاز به تلاشی سخت دارد تا محلیسازی آن انجام شود.
ارائهی قابلیت تشخیص گفتار بهطوری که استفاده از آن همیشه امکانپذیر باشد و بهصورت آفلاین نیز کار کند از جمله اقداماتی است که خوب بهنظر میرسد، اما اینکه فکر کنیم سایر خدمات شرکت گوگل نیز بهصورت ِآفلاین ارائه خواهند شد کمی دور از انتظار است.
